SPSS软件进行主成分分析报告地应用例子

SPSS软件进行主成分分析报告地应用例子

ID:47074549

大小:890.50 KB

页数:8页

时间:2019-07-17

SPSS软件进行主成分分析报告地应用例子_第1页
SPSS软件进行主成分分析报告地应用例子_第2页
SPSS软件进行主成分分析报告地应用例子_第3页
SPSS软件进行主成分分析报告地应用例子_第4页
SPSS软件进行主成分分析报告地应用例子_第5页
资源描述:

《SPSS软件进行主成分分析报告地应用例子》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、实用文档SPSS软件进行主成分分析的应用例子2002年16家上市公司4项指标的数据[5]见表2,定量综合赢利能力分析如下:表22002年16家上市公司4项指标的数据公司销售净利率(X1)资产净利率(X2)净资产收益率(X3)销售毛利率(X4)歌华有线五粮液 用友软件太太药业浙江阳光烟台万华方正科技红河光明贵州茅台中铁二局红星发展伊利股份青岛海尔湖北宜化雅戈尔 福建南纸43.3117.1121.1129.5511.0017.632.7329.1120.293.9922.654.435.407.0619.827.267.3912.136.038.628.4113.864.225.449.484.

2、6411.137.308.902.7910.532.998.7317.297.0010.1311.8315.4117.166.0912.979.3514.314.3612.535.2418.556.9954.8944.2589.377325.2236.449.9656.2682.2313.0450.5129.0465.519.7942.0422.721.主成分分析的做法第一,将EXCEL中的原始数据导入到SPSS软件中;注意:导入Spss的数据不能出现空缺的现象,如出现可用0补齐。第二,对四个指标进行标准化处理;【1】“分析”

3、“描述统计”

4、“描述”。【2】弹出“描述统计”对话框,首先将准备

5、标准化的变量移入变量组中,此时,最重要的一步就是勾选“将标准化得分另存为变量”,最后点击确定。【3】返回SPSS的“数据视图”,此时就可以看到新增了标准化后数据的字段。所做工作:a.原始数据的标准化处理文案大全实用文档数据标准化主要功能就是消除变量间的量纲关系,从而使数据具有可比性,可以举个简单的例子,一个百分制的变量与一个5分值的变量在一起怎么比较?只有通过数据标准化,都把它们标准到同一个标准时才具有可比性,一般标准化采用的是Z标准化,即均值为0,方差为1,当然也有其他标准化,比如0--1标准化等等,可根据自己的研究目的进行选择,这里介绍怎么进行数据的Z标准化。所的结论:标准化后的所有指标

6、数据。注意:SPSS在调用FactorAnalyze过程进行分析时,SPSS会自动对原始数据进行标准化处理,所以在得到计算结果后的变量都是指经过标准化处理后的变量,但SPSS并不直接给出标准化后的数据,如需要得到标准化数据,则需调用Descriptives过程进行计算。第三,并把标准化后的数据保存在数据编辑窗口中然后利用SPSS的factor过程对数据进行因子分析(指标之间的相关性判定略)。【1】“分析”

7、“降维”

8、“因子分析”选项卡,将要进行分析的变量选入“变量”列表;文案大全实用文档【2】设置“描述”,勾选“原始分析结果”和“KMO与Bartlett球形度检验”复选框;【3】设置“抽取”

9、,勾选“碎石图”复选框;【4】设置“旋转”,勾选“最大方差法”复选框;【5】设置“得分”,勾选“保存为变量”和“因子得分系数”复选框;【6】查看分析结果。所做工作:a.查看KMO和Bartlett的检验KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强,原有变量越适合作因子分析;Bartlett球度度检验的Sig值越小于显著水平0.05,越说明变量之间存在相关关系。所的结论:符合因子分析的条件,可以进行因子分析,并进一步完成主成分分析。注意:1.KMO(Kaiser-Meyer-Olkin)KMO统计量是取值在0和1之间。当所有变量间的简单相关系数平方和远远大于偏相关系数平方和时,

10、KMO值接近1.KMO值越接近于1,意味着变量间的相关性越强,原有变量越适合作因子分析;当所有变量间的简单相关系数平方和接近0时,KMO值接近0.KMO值越接近于0,意味着变量间的相关性越弱,原有变量越不适合作因子分析。Kaiser给出了常用的kmo度量标准: 0.9以上表示非常适合;0.8表示适合;0.7表示一般;0.6表示不太适合;0.5以下表示极不适合。2.Bartlett球度检验:巴特利特球度检验的统计量是根据相关系数矩阵的行列式得到的,如果该值较大,且其对应的相伴概率值小于用户心中的显著性水平,那么应该拒绝零假设,认为相关系数矩阵不可能是单位阵,即原始变量之间存在相关性,适合于做主

11、成份分析;相反,如果该统计量比较小,且其相对应的相伴概率大于显著性水平,则不能拒绝零假设,认为相关系数矩阵可能是单位阵,不宜于做因子分析。Bartlett球度检验的原假设为相关系数矩阵为单位矩阵,Sig值为0.001小于显著水平0.05,因此拒绝原假设,说明变量之间存在相关关系,适合做因子分析。所做工作:b.全部解释方差或者解释的总方差(TotalVarianceExplained)文案大全实用文档初始特征根

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。